ProCARE：基于数据概况的证据契约实现真实世界研究自动化

真实世界研究（RWS）分析常规收集的医疗保健数据（如电子健康记录和保险理赔数据），以估计治疗效果、监测安全性，并识别随机试验之外的风险因素。利用大型语言模型智能体自动化 RWS 具有吸引力，但也较为脆弱：有效分析依赖于特定数据集的临床语义，包括索引日期、随访窗口、患者级或事件级分析单位，以及观察性数据中通常未明确规定的结局边界。这会导致模式不匹配、时间错误、分析粒度不一致以及缺乏依据的临床结论。我们提出 ProCARE，一个以数据概况为基础的框架，将 RWS 自动化重新表述为受约束的编译过程。ProCARE 将异构数据概况转换为证据契约，其中明确规定可用变量、时间属性、分布特征和证据边界，并将研究目标编译为 RWS-IR——一种针对变量、时间关系、分析单位和统计任务的强类型中间表示。随后，通过确定性验证和局部修复，对生成的工作流进行检查和修订，覆盖模式映射、队列构建、变量推导、分析和结果解释。在 36 项基于 EHR 的基准任务中，ProCARE 在代码可执行性、语义一致性和结论可追溯性方面均优于强大的大型语言模型智能体基线；自动化违规诊断结果与盲法专家评审显示出中等至较高的一致性。